Mike Kestemont Auteursherkenning met rijmwoorden in de Middelnederlandse Artur- en Karelepiek Eerherstel voor Icarus? *

Transcriptie

1 Mike Kestemont Auteursherkenning met rijmwoorden in de Middelnederlandse Artur- en Karelepiek Eerherstel voor Icarus? * Abstract In Middle Dutch Studies a traditional distinction is made between Arthurian romance and Carolingian epic. A cluster analysis of the rhyme word vocabulary in these works indeed reflects this distinction, although scholars have recently also stressed the many similarities between both text types. So far no Middle Dutch author is known to have composed both types of texts. A stylometric analysis of the authorial rhyming styles in the corpus, nevertheless, suggests that Karel ende Elegast, Moriaen and Lantsloot vander Haghedochte were composed by one and the same poet, a theory originally proposed by the late K.H. Heeroma. I will argue that this hypothesis deserves a careful reconsideration. 1 (Rijm)woorden en auteurschap Binnen de kwantitatieve stijlleer besteden onderzoekers momenteel veel aandacht aan auteursherkenning. In verschillende wetenschapsgebieden vraagt men zich af of er een correlatie bestaat tussen schrijfstijl en auteursidentiteit die met kwantitatieve methodes kan worden blootgelegd (Holmes 1994, 1998; Juola 2006; Koppel e.a. 2009; Stamatatos 2009). Veel van dit onderzoek vertrekt vanuit de aanname dat elke auteur zich van een individuele stijl bedient, die valt te onderscheiden van het stijleigen van elke andere auteur (Van Halteren e.a. 2005). Het toeschrijven van anonieme werken aan de auteurs van bekende oeuvres (authorship attribution), evenals het controleren van toeschrijvingen (authorship verification) zijn problemen die veel aandacht krijgen (Koppel e.a. 2009). In dergelijke studies wordt veel belang gehecht aan een exacte methodologie. Het wetenschapsveld van de stylometrie is echter nog relatief jong en er bestaat nog lang niet altijd een consensus over de bruikbaarheid van bepaalde methodes (Rudman 1998). Ook in de medioneerlandistiek worden niettemin steeds vaker kwantitatieve hulpmiddelen ingezet bij de stilistische studie van auteurschap (bijvoorbeeld Van Dalen-Oskam e.a. 2007; Hogenbirk 2009b). Aan de basis van stilistisch auteursonderzoek ligt de veronderstelling dat teksten geschreven door dezelfde auteur wat betreft bepaalde stijlaspecten sterker op elkaar lijken dan teksten met een niet-identiek auteurschap (Stamatatos 2009: 538). De hamvraag daarbij is welke stijlaspecten in aanmerking komen om ge- * Mijn dank gaat uit naar mijn promotoren Frank Willaert en Walter Daelemans die eerdere versies van dit artikel zoals steeds enthousiast hebben becommentarieerd. Ook Marjolein Hogenbirk ben ik erg erkentelijk: als arturiste heeft zij mijn oorspronkelijk erg gebrekkige literatuuroverzicht op cruciale punten aangevuld en samen met mijn collega Bram Caers verreikende suggesties gedaan om de leesbaarheid van dit stuk te bevorderen. Dit onderzoek is uitgevoerd tijdens mijn mandaat als aspirant voor het Fonds voor Wetenschappelijk Onderzoek (fwo Vlaanderen).

2 136 mike kestemont fundeerde uitspraken over het auteurschap van teksten op te baseren. Er bestaat momenteel een consensus dat metingen op het woordniveau (in tegenstelling tot bijvoorbeeld syntaxis) erg goede resultaten leveren (Holmes 1994: 87). Een belangrijk praktisch voordeel is dat dergelijke metingen geen ingewikkelde linguïstische ontleding vergen (Stamatatos 2009: 540). In navolging van het baanbrekende werk van de Amerikaanse statistici Mosteller en Wallace is men het er over eens dat lang niet alle woorden voor de analyse van auteursstijl in aanmerking komen. Gewoonlijk beperkt men zich tot een kleine verzameling hoogfrequente woordjes zoals voorzetsels, lidwoorden of voornaamwoorden. Deze functiewoorden zijn in isolatie betrekkelijk betekenisloos, maar maken verhoudingsgewijs de hoofdmoot van taaluitingen uit. Onderzoek wijst uit dat de frequenties van dergelijke schijnbaar onbelangrijke woordjes betrouwbare indicaties kunnen bevatten voor het auteurschap van teksten. Hiervoor bestaan verschillende verklaringen (Binongo 2003: 10-11; Kestemont 2011: ). Ten eerste, lijkt het optreden van dergelijke woorden amper gebonden aan de inhoud van een tekst: álle teksten maken immers gebruik van bijvoorbeeld voorzetsels (Stamatatos 2009: 540). Daarom is het op basis van hoogfrequente woordenschat toch mogelijk om teksten over uiteenlopende onderwerpen stilistisch te vergelijken. Bovendien maken auteurs gebruik van dezelfde functiewoorden. Functiewoorden leveren zo niet alleen veel meetpunten op binnen teksten, maar laten bovendien toe de stijl van meerdere auteurs rechtstreeks te vergelijken op basis van een uniforme verzameling kenmerken. Een ander voordeel is dat auteurs minder bewust bezig zijn met functiewoorden. Dit suggereert dat functiewoorden in principe weinig oplettend door dichters worden beregeld en daarom goede indicaties bevatten over auteursidentiteit (Holmes 1998: 114). Bovendien maakt dit functiewoorden resistent voor stijlimitatie, hetgeen zeker voor literair-historisch onderzoek een meerwaarde biedt. Voor auteursherkenning in moderne teksten wordt dus vaak gewerkt met functiewoorden. In eerder onderzoek is echter beargumenteerd dat deze invalshoek voor middeleeuwse teksten niet geschikt is (Van Dalen-Oskam e.a. 2007; Kestemont e.a. 2009). Middeleeuwse kopiisten veranderden bij het kopiëren namelijk vaak de (schrijfwijze van) hoogfrequente woorden. Wie de stylometrie onnadenkend toepast op middeleeuwse teksten, loopt het gevaar veeleer de stijl van de laatste kopiist van een tekst te onderzoeken, dan die van de oorspronkelijke auteur. In zijn oratie (2010) benadrukte Herman Brinkman dat de functiewoordentechniek enkel kan worden toegepast op middeleeuwse teksten wanneer die aan een aantal voorwaarden voldoen. 1 Brinkman benadrukte bijvoorbeeld terecht de voorwaarde van de eenheid van kopiist : omdat kopiisten soms heel zelfstandig en consequent aanpassingen doorvoerden in afschriften, zijn slechts teksten overgeleverd in een kopie door dezelfde afschrijver rechtstreeks vergelijkbaar met het oog op auteursonderzoek. In mijn lopende onderzoeksproject ga ik na of rijmwoorden in dezen soelaas bieden. Rijmwoorden zijn namelijk betrekkelijk resistent voor kopiistencorrup- 1 De oratie droeg de titel Als de nachtuil. Auteurschap en overlevering van middeleeuwse teksten (oratie H. Brinkman, 19 maart 2010, Universiteit van Amsterdam). Ik dank Brinkman voor het beschikbaar stellen van zijn tekst en presentatie.

3 auteursherkenning met rijmwoorden 137 tie: waar afschrijvers met het grootste gemak de woordenschat buiten de rijmpositie konden aantasten, gold dat veel minder voor rijmwoorden (Besamusca 2003: 23; Van Oostrom 2006: 224; Van den Berg 1986). Het aanpassen van de rijmwoorden van een tekst vergde een grote inspanning van kopiisten, met name de ingewikkelde omwerking van een aantal opeenvolgende verzen. Parallelle handschriften van teksten leren dat middeleeuwse kopiisten meestal afzagen van een aanpassing van rijmwoorden. In eerder onderzoek heb ik daarom betoogd dat hoogfrequente rijmwoorden goed als een surrogaat kunnen functioneren voor de hoogfrequente woordenschat in moderne teksten (Kestemont 2011). 2 Het belangrijkste voordeel van deze invalshoek is dat teksten dan niet meer aan Brinkmans criterium van de eenheid van kopiist moeten beantwoorden. Als de rijmwoordenschat van teksten moeilijk door afschrijvers kon worden gecorrumpeerd, zijn de rijmwoorden in teksten immers rechtstreeks vergelijkbaar voor auteurstudies. 2 De Middelnederlandse Artur- en Karelepiek Inzake auteurschap bestaat er binnen de medioneerlandistiek veel interesse voor de ridderroman (Kienhorst 1988). Het auteurschap van verschillende werken onder meer de romans uit de beruchte Lancelotcompilatie (Hogenbirk 2009b) stelt het vak nog voor een groot aantal onopgeloste vragen. In het spoor van andere onderzoekers zal ik in deze bijdrage verkennen of experimentele technieken uit de stylometrie hierover meer duidelijkheid kunnen verschaffen. Ik leg mij daarbij toe op de Artur- en Karelepiek, twee belangrijke typen teksten die onderzoekers doorgaans onderscheiden binnen de Middelnederlandse ridderepiek (Janssens 1998a: 16-17). Het traditionele onderscheid in het Middelnederlands tussen beide tekstsoorten is voornamelijk op inhoudelijke criteria gebaseerd en gaat terug op de verschillen in het stofcomplex waaruit zij putten. De Arturroman (matière de Bretagne) ontleent vooral aan de middeleeuwse legendevorming rond de legendarische Britse vorst Artur en zijn rondetafelridders. De Karelepiek (matière de France) behandelt daarentegen de epische stof rond Karel de Grote en zijn vazallen (Van den Berg 1992a: ). Evert van den Berg heeft in verschillende publicaties (1988; 1992a; 1992b) ook de stilistische verschillen tussen beide typen tekst onderzocht: teksten uit de Karelepiek geven bijvoorbeeld blijk van een formulair discours dat sterker lijkt ingebed in orale tradities. Toch is een al te star onderscheid tussen beide typen tekst moeilijk houdbaar. Op het gebied van versificatie vertonen zij bijvoorbeeld nauwelijks verschillen. In beide tekstsoorten zijn werken vormgegeven met behulp van volrijmende coupletten. Dat is opvallend omdat de meeste ridderromans omwerkingen vormen 2 Hoogfrequente rijmwoorden komen vaak voor in stilistische constructies die in de vakliteratuur stoplappen worden genoemd (bv. sijt seker des, dats waer, dat seggic u). Deze constructies kunnen meer woorden in het vers dekken dan enkel het rijmwoord. Stoplappen zijn zelden semantisch geladen (Van Driel 2007: 19ff & 37ff); hun nut is beperkt tot het makkelijk tegemoet komen aan de vormelijke eis van het gepaarde eindrijm (Besamusca 1991: 165). Lang niet alle hoogfrequente rijmwoorden worden echter binnen een traditionele interpretatieve benadering met stoplappen verbonden (bv. doen, komen of gaan), zodat men de verzamelnaam hoogfrequente rijmwoorden niet mag gelijkstellen met de stilistische categorie van de stoplappen.

4 138 mike kestemont van Franstalige bronteksten die op dit vlak wel een duidelijke tweespalt vertonen: verschillende Franse Arturromans zijn geschreven in octosyllabische coupletten, terwijl de meeste chansons de geste uit de Karelepiek in assonerende strofevormen werden gedicht (Van Oostrom 2006: 233). Ook de datering en lokalisering van de teksten in de Artur- en Karelepiek loopt in ons taalgebied sterk door elkaar (Klein 1995: 18-20; Caers 2011; Caers e.a. 2011). Zelfs qua thematiek lijkt men het erover eens dat het onderscheid misschien niet zo eenduidig is als vroeger wel eens werd aangenomen (Janssens 1998a: 17). Roel Zemel beargumenteerde dat de auteurs van de Roman van Walewein stilistisch aansluiten bij de Karelepiek (2005; 2010) en nog recent ontdekte Marjolein Hogenbirk aan het chanson de geste ontleende motieven in de Arturroman Moriaen (2009a). Dichters uit beide soorten epiek kénden bovendien elkaars werk (Zemel 2010: 11-18; Hogenbirk 2011: 169). Besamusca besprak enkele jaren geleden nog een mooi voorbeeld daarvan: tenminste één van de dichters van Ogier van Denemarken verraadt kennis van de Middelnederlandse Arturroman Lantsloot vander Haghedochte (Besamusca 2005: 142). Ondanks de verschillen in stofcomplex, bestaan er tussen de Middelnederlandse Artur- en Karelepiek dus ook overeenkomsten. Gegeven het recente onderzoek is het dus ondenkbaar dat de Artur- en Karelepiek in gescheiden literaire circuits functioneerden (Janssens 1998b; Hogenbirk 2011: ). Toch zijn momenteel geen gevallen bekend van dichters die zich met zekerheid in beide teksttypen bekwaamden. Alleen al daarom is het interessant om de Artur- en Karelepiek gezamenlijk aan een stylometrische studie te onderwerpen: mogelijk brengen kwantitatieve vergelijkingstechnieken nieuwe overeenkomsten aan het licht. Een dergelijke onderneming gaat echter niet over rozen: in zowel de Artur- als Karelepiek is over het auteurschap van teksten bitter weinig bekend, zodat betrouwbare referentiepunten voor het ijken van technieken schaars zijn. Het leeuwendeel van de Middelnederlandse Artur- en Karelepiek is anoniem overgeleverd (Kienhorst 1988). In de Arturepiek is het auteurschap van de Merlijn-romans van Jacob van Maerlant en Lodewijk van Velthem uit het Burgsteinfurtse handschrift bekend (Besamusca e.a. 2009a: 12-13), evenals dat van de Torec, waarvan het oorspronkelijk auteurschap aan Maerlant wordt toegeschreven (Claassens 2009). Daarbuiten is slechts bekend dat ene Penninc en Vostaert beiden aan de Walewein hebben geschreven (Van Dalen-Oskam e.a. 2007). Wat betreft auteurschap is in de Karelepiek nog minder bekend: Maerlant vermeldt slechts in zijn Spiegel historiael ene van Haerlem Clays, ver Brechten sone als auteur van een tekst over Willeme van Oringen. Mogelijk doelde hij daarmee op een van de twee Oringen-teksten die zijn overgeleverd, maar zeker is dat niet (Caers e.a. 2011). Buiten Maerlant (en eventueel Velthem) zijn trouwens ook geen auteurs bekend die met zekerheid meer dan één ridderroman hebben geschreven, al wordt vaak aangenomen dat de kerndelen van de Lancelotcompilatie door een enkele Vlaming zouden zijn verdietst (Besamusca 2003: 44-47). Voor deze studie heb ik gebruik gemaakt van een verzameling digitale edities. Een feitelijke bespreking van deze werken is te vinden in de repertoria van Besamusca (1983; 1985) en Kienhorst (1988) en enkele artikelen (Van den Berg e.a. 1992; Klein 1995; Van der Have 2005). Over het algemeen zijn meer Karel- dan Arturromans overgeleverd, maar daar staat tegenover dat de Karelepiek veel fragmentarischer is. Slechts Karel ende Elegast is volledig overgeleverd en dan nog en-

5 auteursherkenning met rijmwoorden 139 kel in jongere drukken. De Middelnederlandse Arturepiek telt minder, maar wel beter bewaard gebleven teksten (Besamusca 1985). In totaal zijn een zeventiental Middelnederlandse Arturteksten overgeleverd, waarvan ik er twee op voorhand heb uitgesloten omwille van hun beperkte lengte (Lanceloet en het hert met de witte voet en de oostelijke Tristan). Merk op dat meer dan tien Arturromans zijn overgeleverd in twee compilatie-handschriften die in verband kunnen worden gebracht met Lodewijk van Velthem (Draak 1976: 363; Besamusca 2003; Hogenbirk 2009b). De tekstcollecties in zowel het handschrift-burgsteinfurt als de Haagse Lancelotcompilatie lijken samengesteld door deze priester-dichter. In dit onderzoek zal ik de teksten uit deze handschriften in hun gecompileerde vorm gebruiken en heb ik geen globale poging ondernomen om verdachte verzen die mogelijk op de compilator in plaats van de oorspronkelijke auteur teruggaan te verwijderen. Die beslissing vergt enige toelichting, want zo kan ik ongewild de indruk wekken dat ik de impact van de compilator-ingrepen op stilistisch niveau onderschat. In de lange kernteksten van de Lancelotcompilatie schijnt de inmenging van de compilator verhoudingsgewijs niet heel groot te zijn geweest, zodat deze waarschijnlijk in hun compilatie-versie mogen gebruikt worden (Besamusca 2003: 30; Oppenhuis de Jong 2003: ; vgl. echter Hogenbirk 2009b: 55). Hetzelfde geldt tot op zekere hoogte voor Maerlants Merlijn-romans in handschrift-burgsteinfurt. Deze laatste heb ik samengevoegd tot één tekst, maar de Maskeroen-passage is verwijderd omdat deze zo goed als zeker door Velthem is ingelast en niet echt tot de tekstsoort van de ridderroman behoort (Besamusca e.a. 2009: 12-13). Om die laatste reden heb ik ook de gebedsproloog en de zogenaamde Romeinen-interpolatie in Arturs doet verwijderd (Besamusca 2003: 51-54). Wat betreft de geïnterpoleerde romans in de Lancelotcompilatie is de situatie complexer (Hogenbirk 2004: ). De schaarse fragmentjes die van de oerversies van deze teksten zijn opgedoken, geven soms wel inzicht in de bekortingen van de compilator maar geven lang niet altijd uitsluitsel over mogelijke toevoegingen. In eerder onderzoek is aangetoond dat zeker de Perchevael duchtig is bewerkt: zowat 40% van de tekst bestaat uit toevoegingen, vooral over de figuur van Walewein, die men heel waarschijnlijk op het conto van de compilator mag schrijven (Oppenhuis De Jong 2003: 9). Ook voor Torec wordt aangenomen dat de compilatie-versie aanzienlijk verschilt van Maerlants oorspronkelijke roman (Claassens 2009). Andere teksten, zoals de Wrake van Ragisel en Riddere metter mouwen, lijkt de compilator eveneens sterk te hebben bekort (Besamusca 2003: ; ). Van de oerversie van Walewein ende Keye (Hogenbirk 2010) zijn geen fragmenten overgeleverd, maar ook hier kunnen verdachte passages worden aangewezen die mogelijk op de compilator teruggaan (Hogenbirk 2011: 46-49). Wat betreft de oorspronkelijkheid van de Moriaen is men over het algemeen optimistischer: de overgeleverde fragmenten van de oerversie doen vermoeden dat de compilator deze teksten minder uitvoerig heeft bewerkt (Van Buuren 1973: 43). Toch heeft de compilator ook in deze roman markante wijzingen doorgevoerd (Besamusca 2003: 85-87). De mate van compilator-inmenging verschilt dus sterk tussen de interpolaties onderling (Hogenbirk 2004: ). Wij doen er hieronder dan ook goed aan om ons daarvan rekenschap te geven in de interpretatie van de resultaten.

6 140 mike kestemont Tabellen 1 en 2 bieden een overzicht van de voor dit onderzoek gebruikte werken. Zij vermelden ook de afkortingen die ik voor deze teksten in dit artikel zal gebruiken. Wat betreft de Karelepiek, werden alle digitale versies geoogst van de Cd-rom Middelnederlands (1998). Werken die te fragmentarisch zijn overgeleverd, werden niet opgenomen: als minimale ondergrens hanteerde ik de 1198 overgeleverde rijmwoorden van de Vlaamse Aiol (zie hieronder). Voor de Elegast is in navolging van G. Claassens gekozen voor de redactie in Incunabel A, met toevoeging van de regels en (Claassens 2002: 14-15). Verder heb ik een onderscheid gemaakt tussen het oudere en jongere deel van de Madelgijs (Duijvestein 2002: 23-24). De jonge Madelgijs is uitgesloten wegens de beperkte lengte van de tekst. Ook het korte fragment van de zogenaamde Lorreinen-II (Van der Have 1990) wordt niet betrokken, temeer omdat hier zoals voor de Madelgijs meerdere auteurs in het spel kunnen zijn. Voor het onderzoek naar auteursstijl is het immers belangrijk dat men tracht te garanderen dat de onderzochte teksteenheden elk door slechts één auteur zijn geschreven. Merk op dat voor geen enkele van de Karelteksten in Tabel 1 totdusver een identiek auteurschap is beargumenteerd. Tabel 1 Overzicht Karelepiek in het corpus Tekst (Afkorting) Samengevoegde tekstgetuigen (Kienhorst 1988) Aantal rijmwoorden (aantal samples) Vlaamse Aiol, Aiol (2) (VLAAIOL) H (1x1198) Huge van Bordeeus (HUGHE) H33, H34, H35, H (1x1403) Karel ende Elegast (ELEGAST) Lorreinen / Lorreinen-I (LORREINEN) Madelgijs-1 (eerste, korte versie) (MADELGIJSKORTE) Incunabel A: Den Haag, Koninklijke Bibliotheek, 169 G (1x1400) H58, H59, H (6x1772) H63B, H64, H66, H67, H68, H69, H70, H (1x1933) Renout van Montalbaen (RENOUT) H92, H93, H94, H (1x1320+1x1321) Roelantslied (ROELANT) H98, H99, H100, H101, H (1x1306) Er resten slechts drie Arturromans die geen inmenging van Velthem verraden: Walewein (van Penninc en Vostaert), Ferguut en Lantsloot vander Haghedochte. De laatstgenoemde tekst is enkel in een groot aantal fragmenten overgeleverd. Hieronder volgt een overzicht van het gebruikte Arturcorpus (Tabel 2). De Walewein is opgedeeld in een Penninc-deel, WAL-A, en een Vostaert-deel, WAL-B (vgl. Van Dalen-Oskam & Van Zundert 2007). Voor de Lancelotcompilatie maak ik gebruik van de recent gelanceerde online weergave of leeseditie van de codex ( waarin verschillende, reeds bestaande edities zijn samengevoegd door H. Brinkman en J. Biemans. In de oudere editie-jonckbloet zijn die delen vervangen waarvan een jongere versie beschikbaar was. Die vervangingen

7 auteursherkenning met rijmwoorden 141 gaan terug op digitale documenten die door een groot aantal editeurs belangeloos zijn ter beschikking gesteld. 3 Deze compilatie van edities en transcripties is sterk hybride maar biedt als geheel de meest recente weergave van de Lancelotcompilatie. De andere teksten in mijn corpus zijn overgenomen van de Cd-rom Middelnederlands (1998), met de uitzondering van de Ferguut waarvoor W. Kuiper zo vriendelijk is geweest mij een digitaal bestand te bezorgen waarin de zogenaamde corrector-ingrepen werden verwijderd (Kuiper 1989). Tabel 2 Overzicht Arturepiek in het corpus Tekst (Afkorting) Samengevoegde tekstgetuigen Aantal rijmwoorden Arturs doet (DOE) Lancelotcompilatie (Den Haag, kb, 129 A 10) Ferguut (FERG) Leiden, ub. Ltk. 191, fol Lantsloot vander Hagedochte (HAGH) Diverse snippers van enkel handschrift (Kienhorst 1988: ) 5973 Walewein ende Keye (KEY) Lancelotcompilatie 3668 Roman van Lanceloet (LAN) Lancelotcompilatie Merlijn-roman Maerlant (MERL-M) Burgsteinfurt-codex (Fürst zu Bentheimische Schlossbibliothek, B37) 9113 Merlijn-roman Velthem (MERL-V) Burgsteinfurt-codex Roman van Moriaen (MOR) Lancelotcompilatie 4716 Riddere metter mouwen (MOU) Lancelotcompilatie 4022 Perchevael (PER) Lancelotcompilatie 5596 Queeste vanden Grale (QUE) Lancelotcompilatie Torec (TOR) Lancelotcompilatie 3854 Walewein Penninc (WAL-A) Walewein-convoluut (Leiden, ub. Ltk. 195) 7856 Walewein Vostaert (WAL-B) Walewein-convoluut 3323 Wrake van Ragisel (WRAK) Lancelotcompilatie 3420 Het Artur- en Karelmateriaal zijn op dezelfde manier verwerkt. Onzekere lezingen en conjecturen heb ik in de regel aanvaard maar beschadigde verzen waarvan het rijmwoord niet meer is te reconstrueren, heb ik uit het corpus geweerd. Om die reden is het aantal bestudeerde rijmwoorden per tekst hier vaak kleiner dan het aantal verzen dat men elders voor deze teksten opgeeft. Omwille van de aanzienlijke orthografische variatie in de bestudeerde teksten, is de schrijfwijze van rijmwoorden genormaliseerd door lemmatisering. Via speciaal hiervoor ontwikkelde 3 De gulle schenkers van edities waren in alfabetische volgorde: B. Besamusca, F. Brandsma, G. Claassens, W. Gerritsen, M. Hogenbirk, D. Johnson, W. Kuiper, S. Oppenhuis de Jong, A. Postma en R. van Eekelen. Zie voor gedetailleerde referenties de online verantwoording bij de leeseditie.

8 142 mike kestemont software werd aan ieder rijmwoord een lemma toegekend (Kestemont e.a. 2010; Kestemont 2011: ). De accuraatheid van de lemma-toekenning is niet perfect, maar in het algemeen goed genoeg (zeker > 95%) om betrouwbaar te zijn voor de analyse van hoogfrequente rijmwoorden. Bovendien is rijmvocabulaire nogal stereotiep en treden er zelden afwijkende woorden op in rijmpositie. Eigennamen, anderstalige woorden en de meeste telwoorden zijn geannoteerd met een woordsoortcode in plaats van een lemma, zodat de inhoud van een tekst de herkenning van een auteursstijl minder in de weg staat. Alle frequentietellingen hieronder zijn uitgevoerd op deze lemmata, zodat de analyses niet gehinderd werden door de spellingvariatie die eventueel door latere overschrijvers in de afschriften is geïntroduceerd. Het onderscheid tussen de kritische en diplomatische edities in dit corpus is overigens nauwelijks relevant, omdat de spelling van rijmwoorden genormaliseerd is door de lemmatisering. 3 Correspondentie- en cluster-analyse Hoewel er veel meer methodes bestaan voor de studie van auteursstijl, beperk ik mij hieronder tot twee beproefde technieken: correspondentie-analyse en clustering. Beide technieken werken op basis van een tabel waarin teksten worden voorgesteld aan de hand van de relatieve frequenties van hun rijmwoorden. Zoals gezegd, zijn inhoudsgerelateerde rijmwoorden niet zo interessant voor auteursherkenning omdat zij te onevenwichtig over teksten zijn gespreid. Of een auteur in een Kareltekst vaak het rijmwoord saraceen gebruikt, is te sterk verbonden met het stoftype van een tekst om voorspellingen te doen over de schrijfstijl van die auteur in andere teksten. In auteurstudies is het daarom gebruikelijk om slechts de frequenties van die rijmwoorden te beschouwen die het vaakst voorkomen in het hele corpus. Op die manier wordt gewerkt met erg vaak voorkomende woordenschat die amper met de specifieke inhoud van teksten verbonden is. De rijmwoorden zaan, zijn, algader of godweet, bijvoorbeeld, zijn meestal zo frequent in narratieve teksten dat deze woorden amper aan de inhoud van teksten zijn gebonden en dus beter geschikt zijn voor het onderzoek naar auteursgebonden stijl (Kestemont 2011). Het precieze aantal woorden dat wordt bestudeerd, varieert vaak sterk tussen studies (Stamatatos 2009: 540). De eerste techniek die hieronder zal worden gebruikt is correspondentie-analyse. Deze techniek uit de multivariate statistiek zet de informatie in onze frequentie-tabel om in een strooidiagram waarin de oorspronkelijke teksten als stippen in een assenstelsel worden weergegeven. Dergelijke strooidiagrammen vertonen vaak een clustering of structuur die overeenkomt met het auteurschap van teksten. Teksten geschreven door dezelfde auteur vormen meestal hechte wolkjes van stippen in het resulterende strooidiagram. Meestal zijn deze clusters goed te onderscheiden van de groepjes teksten geschreven door andere auteurs. Het effect van correspondentie-analyse is daarom vergelijkbaar met dat van een samenvatting : onze frequentie-tabel wordt zo geherstructureerd dat teksten in een eenvoudige voorstelling worden weergegeven. Een ander voordeel is dat correspondentie-analyse de frequentie-informatie voor verschillende rijmwoorden probeert te combineren in het uiteindelijke strooidiagram, zodat de resultaten niet verstoord

9 auteursherkenning met rijmwoorden 143 worden door een klein aantal onbetrouwbare woordfrequenties (statistische uitschieters of outliers). Het zijn immers de hoogfrequente woordjes in combinatie, en niet in isolatie die we voor de studie van auteursstijl willen gebruiken. Ik ga omwille van plaatsgebrek niet verder in op de exacte wiskundige werking van correspondentie-analyse. Dergelijke methodes zijn immers goed beschreven in publicaties die ook voor filologen met een minder kwantitatieve scholing toegankelijk zijn (Binongo e.a. 2003; Baayen 2008). 4 In plaats daarvan zal ik hieronder een kort voorbeeld bespreken van een representatieve toepassing, waarin geïllustreerd wordt hoe een correspondentie-analyse zinvolle argumenten kan leveren voor auteursherkenning. De Spiegel historiael is een Middelnederlandse rijmkroniek waaraan drie auteurs een bijdrage hebben geleverd: Jacob van Maerlant, Filip Utenbroeke en Lodewijk van Velthem. Deze drie auteurs hebben kort na elkaar aan deze tekst gewerkt, duidelijk met de bedoeling om tot een coherent geheel te komen (Kestemont 2010; 2011). Daarom loont het de moeite om na te gaan of een correspondentie-analyse een correct onderscheid maakt tussen de rijmstijl van deze drie auteurs. Daarvoor nemen we Utenbroekes Tweede partie, Maerlants Derde partie en een combinatie van Velthems Vierde en Vijfde partie waaruit die stukken zijn verwijderd die Velthem mogelijk aan andere bronnen heeft ontleend (Kestemont 2011). Vervolgens lemmatiseren we de rijmwoorden van deze teksten en delen ze op in samples van 3000 rijmwoorden. We bepalen welke 100 rijmwoorden het meest voorkomen in de hele Spiegel, en maken een frequentietabel aan waarin elk sample wordt voorgesteld aan de hand van de relatieve frequentie van deze 100 rijmwoorden. Het strooidiagram in Figuur 1 biedt het resultaat van een correspondentie-analyse van deze gegevens. Elke auteur krijgt voor zijn partie een symbooltje toegewezen, waaraan de afzonderlijke samples uit zijn aandeel in het diagram herkenbaar zijn. Elk symbooltje in het diagram correspondeert dus met één van de samples van 3000 rijmwoorden uit onze frequentie-tabel. De onderlinge spreiding van de samples in het diagram biedt een eenvoudige voorstelling van de informatie in onze frequentie-tabel: de correspondentie-analyse heeft namelijk een samenvatting gemaakt van deze gegevens. Hoe dichter twee samples bij elkaar liggen in een dergelijk diagram, hoe groter de overeenkomsten in rijmstijl tussen beide samples volgens de analyse. Wanneer twee samples relatief ver uit elkaar liggen, is dit omgekeerd indicatief voor een groter stijlverschil. In Figuur 1 is duidelijk dat de samples van onze drie auteurs netjes uiteenvallen in drie groepjes: zeker Velthems samples (plustekens uiterst rechts) worden in het strooidiagram duidelijk onderscheiden van zijn voorgangers. De samples van Maerlant (driehoekjes links boven) en Utenbroeke (cirkeltjes links beneden) vertonen onderling grotere overeenkomsten in stijl, want hun groepen symbooltjes liggen dichter bij elkaar in het strooidiagram. Beide dichters werkten waarschijnlijk in Damme gelijktijdig aan hun aandeel, mogelijk zelfs op basis van dezelfde brontekst. In dat opzicht verrast het niet dat hun rijmstijlen volgens deze analyse dichter bij elkaar liggen dan bij Velthem die zijn bijdrage aan de Spiegel iets later in Brabant afleverde (en bovendien met andere bronteksten werkte). Toch weet de correspondentie-analyse in Figuur 1 ook de rijmstijl van Utenbroeke en Maerlant netjes te onderscheiden 4 Voor al mijn analyses gebruikte ik het software-pakket R (2011).

10 144 mike kestemont 2nd dimension (19.98%) P2 P3 P4_P5 Figuur 1 Correspondentieanalyse van de 100 meest frequente rijmwoorden in de aandelen van Utenbroeke (P2), Maerlant (P3) en Velthem (P4_P5) in de Spiegel historiael, op basis van samples van 3000 rijmwoorden st dimension (22.97%) want de wolkjes met de samples van beide auteurs vertonen geen overlappingen. Een interessante vraag is hoe de correspondentie-analyse zou reageren op een ander werk van een van deze auteurs. Jacob van Maerlants Rijmbijbel biedt hier mogelijk een interessante casus: zou de correspondentie-analyse opmerken dat de rijmstijl in dit werk dichter bij Maerlants aandeel in de Spiegel ligt dan bij Utenbroekes Tweede partie? Gezien het identiek auteurschap voor Maerlants teksten is dit immers het gewenste stylometrische resultaat. We leggen Velthems erg herkenbare samples even aan de kant en nemen Maerlants omvangrijke Rijmbijbel (afgekort RB) erbij. Deze wordt eveneens gelemmatiseerd en opgedeeld in samples van 3000 rijmwoorden. Figuur 2 biedt het strooidiagram van een correspondentie-analyse waarin we de Tweede en Derde partie confronteren met de Rijmbijbel. Opnieuw gebruiken we de relatieve frequenties van de 100 rijmwoorden die het vaakst voorkomen in deze teksten. Het gros van Utenbroekes samples vinden we in dit resultaat terug als cirkeltjes in de rechterbenedenhoek van de figuur. Een enkel verdwaald sample maakt zich iets hoger los uit dit Tweede partie-cluster en zoekt toenadering tot andere samples in Figuur 2. De linkerhelft van het strooidiagram wordt gedomineerd door een amalgaam van samples, waarin die uit de Rijmbijbel gemengd worden met die uit de Derde partie. Maerlants werken worden dus goed onderscheiden van Utenbroekes Tweede partie, terwijl de analyse veel moeilijker het verschil in rijmstijl kan vatten tussen de Rijmbijbel en de Derde partie, hetgeen correct een gelijkaardig auteurschap voor deze teksten suggereert. Op die manier biedt de correspondentie-analyse zoals gehoopt een betrouwbare samenvatting van het auteurschap van deze teksten. Hieronder zullen we deze techniek gebruiken voor een analyse van de rijmstijl in de Artur- en Karelromans in het corpus. Dat zal echter een grote omzichtigheid vragen. Ten eerste beschikken we voor deze teksten vaak over minder luxueuze hoeveelheden rijmwoorden. Ten tweede illustreert Figuur 2 dat deze technieken een relatief goed maar

11 auteursherkenning met rijmwoorden 145 Figuur 2 Correspondentieanalyse van de 100 meest frequente rijmwoorden in de aandelen van Utenbroeke (P2), Maerlant (P3) in de Spiegel historiael en Maerlants Rijmbijbel (RB), op basis van samples van 3000 rijmwoorden. 2nd dimension (13.47%) P2 P3 RB st dimension (24.1%) geen foutloos resultaat afleveren. Voorbeelden van onnauwkeurigheden in Figuur 2 zijn het verdwaalde Utenbroeke-sample of het geïsoleerde Rijmbijbel-sample in de linkerbenedenhoek. Enige terughoudendheid in de interpretatie van dergelijke strooidiagrammen is dus wenselijk. Clustering, de tweede techniek die ik hier zal gebruiken, is eveneens een statistische methode om de belangrijkste structuur in een grote frequentie-tabel op inzichtelijke wijze te visualiseren (Hoover 2003). Opnieuw ga ik voorbij aan de meetkundige formules waarop deze techniek stoelt. De specifieke clustertechniek die hieronder wordt toegepast, divisive clustering, noemt men hiërarchisch en zal groepen van gelijkaardige samples in de data proberen te herkennen. Er wordt daarbij top-down gewerkt: eerst wordt gezocht naar grote, ruwe groepen teksten in de data die vervolgens, op lagere niveaus in de analyse, worden opgedeeld in meer verfijnde groepjes. De familie-structuur die zo uit de data wordt gedistilleerd wordt dan weergegeven als een boomdiagram, waarin in een oogopslag duidelijk wordt welke groepjes samples veel met elkaar gemeen hebben en welke helemaal niet. Samples die veel gelijkenissen met elkaar vertonen wat betreft hun rijmwoorden, zullen op een relatief laag niveau in de boom clusteren, terwijl sterk verschillende groepen teksten pas op een veel hoger niveau in de boom met elkaar zullen verbonden worden. Clustering levert voor auteursherkenning meestal minder genuanceerde resultaten op maar is wel geschikt voor het opsporen van de algemene stilistische verwantschap binnen een grotere verzameling teksten. 4 Analyse van het corpus Het beste voorbeeld van de werking van een cluster-analyse kunnen we geven aan de hand van de ridderromans in het corpus zelf. Divisive clustering probeert

12 146 mike kestemont immers eerst grote groepen in de data te onderscheiden, zodat de analyse misschien al op een hoog niveau in het boomdiagram een tweedeling zal voorstellen tussen de Artur- en Karelromans. Een dergelijk resultaat valt te verwachten op basis van voorgaand stilistisch onderzoek, in het bijzonder dat van Evert van den Berg (bv. 1992b). Voor stylometrisch onderzoek is het belangrijk om met tekstsamples van een min of meer gelijke grootte te werken. Bovendien neemt de slagkracht van de meeste technieken toe als er grotere samples beschikbaar zijn. De meeste Arturteksten zijn omvangrijk genoeg om gewoon in opeenvolgende samples van rijmwoorden verdeeld te worden. De veel kortere Karelteksten zijn in dit opzicht echter problematisch. Ik heb voor dit onderzoek een minimale tekstgrootte van ca rijmwoorden vooropgesteld (zie Tabel 2). Hoewel die lengte al krap bemeten is, vallen met dit selectiecriterium reeds een heleboel Karelteksten uit de boot. Voor de belangrijkste Karelromans kunnen we zo evenwel tenminste één volledig sample extraheren van een acceptabele grootte en voor de Lorreinen-I en Renout zelfs respectievelijk 6 en 2. Omdat er hoe dan ook een kwantitatief onevenwicht bestaat tussen de Artur- en Karelepiek is het raadzaam te beginnen met een kleinere selectie van samples uit de Arturepiek. Daarom heb ik uit elke Arturtekst de middelste 1561 rijmwoorden geëxtraheerd als steekproef. Ik heb er lang aan getwijfeld of het noodzakelijk was om de grootte van alle samples gelijk te trekken, bijvoorbeeld door het willekeurig verwijderen van rijmwoorden en er slechts 1198 te bewaren per sample (vgl. Vlaamse Aiol). Omdat dit onderzoek sowieso reeds over een relatief beperkt aantal rijmwoorden beschikt, heb ik er uiteindelijk voor geopteerd om geen kostbare rijminformatie weg te gooien, maar te werken met zo intact mogelijke samples, weliswaar met een ongelijke maar toch erg vergelijkbare grootte. Dat de hoogfrequente rijmwoordenschat hieronder via relatieve frequentietellingen wordt voorgesteld, compenseert dit enigszins. Figuur 3 bevat het boomdiagram dat voortvloeit uit een cluster-analyse van de Artur- en Karelromans in het corpus. Net zoals voor de cluster-analyse gebruikte ik de relatieve frequenties van de 100 rijmwoorden die het vaakst in het hele corpus voorkwamen. Alle beschikbare Karelromans werden volledig geanalyseerd, maar uit de LORREINEN werden slechts de eerste twee samples gebruikt om deze omvangrijke tekst niet al te veel gewicht toe te kennen. Voor de Arturepiek werd voorlopig gewerkt met de steekproeven van 1561 rijmwoorden. 5 Een tekstnaam gevolgd door een _s in Figuur 3 wijst erop dat het sample slechts een steekproef is (DOE_s is de steekproef uit Arturs doet). In deze naamgeving volgt op dit achtervoegsel het volgnummer van een sample als er meerdere samples voor een tekst beschikbaar zijn (Renout_s2 is het tweede sample uit de Renout van Montalbaen). Figuur 3 illustreert goed de werking van de clustering: reeds op het hoogste niveau stelt de analyse een tweedeling voor die sterk gerelateerd blijkt aan het traditionele onderscheid tussen Artur- en Karelepiek. Hoewel de recente vakliteratuur heeft gewezen op belangrijke overeenkomsten tussen beide tekstsoorten, bestaan er volgens deze analyse dus toch ook belangrijke verschillen wat betreft rijmvocabulaire. In de groep die uiterst links in de grafiek verder vertakt, treffen we enkel 5 Velthems Merlijn-roman heb ik in een vroeg stadium uit de analyses geweerd omdat die tekst zoveel stoplappen telt, dat hij de resultaten voor de andere teksten vertekende.

13 auteursherkenning met rijmwoorden 147 Figuur 3 Cluster-analyse van de 100 vaakst voorkomende rijmwoorden in (steekproeven uit) de Artur- en Karelromans in het corpus (met gelijkaardige sample-groottes) Renout_s1 Renout_s2 Roelant MadelgijsKorte Hughe Lorreinen_s2 Lorreinen_s1 WRA_s PER_s KEY_s TOR_s QUE_s LAN_s DOE_s MOR_s FERG_s HAGH_s Elegast WAL_B_s MERL-M_s VlaAiol MOU_s WAL_A_s Karelromans aan: RENOUT, ROELANT, HUGHE, MADELGIJSKORTE en de twee LOR- REINEN-samples die pas op het laagste niveau worden uitgesplitst. Deze coherente groep Karelteksten vertoont onderling grote stilistische overeenkomsten maar blijkt amper verwant aan de groep vertakkingen aan de rechterzijde van Figuur 3. De rechterzijde van het diagram wordt gedomineerd door Arturromans en wordt op het tweede hoogste niveau uitgesplitst in twee subgroepen. In de eerste daarvan (ongeveer centraal in het diagram) vinden we een cluster van geïnterpoleerde romans uit de Lancelotcompilatie: WRA, PER, KEY, TOR. Op een iets hoger niveau worden deze onderscheiden van de zogeheten kernteksten uit de compilatie (LAN, QUE en DOE). Vooral het clusteren van de steekproeven uit de vier geïnterpoleerde romans in Figuur 3 is markant, omdat een identiek auteurschap voor deze teksten erg onaannemelijk is: de WRA lijkt bijvoorbeeld te oud om door Maerlant te zijn geschreven (Caers e.a. 2011), maar zou volgens deze analyse wel stilistisch verwant zijn aan TOR. Hoogstwaarschijnlijk worden wij hier geconfronteerd met het feit dat deze romans hier in hun gecompileerde versie worden bestudeerd: men zou uit dit resultaat namelijk kunnen opmaken dat deze romans in gelijklopende mate inmenging van de compilator hebben ondergaan. Die interpretatie strookt niet alleen met voorgaand onderzoek maar zou ook verklaren waarom de steekproeven uit MOU en MOR geen onmiddellijke verwantschap ten opzichte van de andere interpolaties vertonen. Met name de laatste tekst zou immers minder duchtig kunnen zijn bewerkt door de compilator, zodat zijn stilistische eigenheid beter werd be-

14 148 mike kestemont MOR_s2 HAGH_s3 HAGH_s1 HAGH_s2 Elegast MOR_s3 MOR_s1 FERG_s3 FERG_s2 FERG_s1 WAL_B_s2 WAL_B_s1 MERL-M_s2 WAL_A_s4 WAL_A_s3 WAL_A_s2 WAL_A_s1 WAL_A_s5 VlaAiol MERL-M_s1 MERL-M_s3 MERL-M_s5 MERL-M_s4 Figuur 4 Cluster-analyse van de 100 vaakst voorkomende rijmwoorden in MOR, HAGH, ELE- GAST, FERG, WAL-A, WAL-B, VLAAIOL en MERL-M (samples van ca rijmwoorden). waard (vgl. Besamuca 2003: ; Hogenbirk 2009b: 64). De grote verwijdering tussen het linkse cluster (o.m. LORREINEN) en het centrale cluster (met verschillende interpolaties) laat momenteel niet toe om tussen deze teksten inzake auteurschap een brug te slaan. Toekomstig onderzoek kan trachten de stilistische inmenging van de compilator te isoleren om dit resultaat te verifiëren (zoals in Hogenbirk 2009b). De situatie is evenwel anders voor de groep vertakkingen uiterst rechts in Figuur 3, want deze bevat de geïnterpoleerde romans uit de Lancelotcompilatie (MOR en MOU) die zich wel weten te onttrekken aan het compilatie-kluwen in het centrale cluster. Blijkbaar is de stilistische eigenheid van de oerversies van deze teksten wel voldoende gevrijwaard van de compilator voor een rechtstreekse vergelijking met de rijmstijl van andere teksten. De rechtste groep vertakkingen bevat immers naast een groot aantal Arturromans van buiten de Lancelotcompilatie (FERG, HAGH, WAL_A, WAL_B en MERL-M), opvallend genoeg ook enkele Karelteksten (ELEGAST en VLAAIOL). We kunnen inzoomen op dit cluster en ook de rest van de overgeleverde rijmwoorden uit deze teksten inschakelen, want tot nu toe werkten we slechts met steekproeven. 6 Figuur 4 toont het resultaat van de cluster-analyse van dit materiaal. Het boomdiagram leert dat Maerlants MERL-M stilistisch relatief ver staat 6 Wegens het weinig oorspronkelijk uitzicht van MOU laat ik de tekst verder buiten beschouwing. MOU is sterkt bekort door de compilator en kent ook verschillende invoegingen van zijn hand (vgl. recent ook Smith 2010: 65-85).

15 auteursherkenning met rijmwoorden 149 van de andere werken in deze groep en samen met VLAAIOL reeds in de eerste vertakking wordt afgesplitst op het afwijkende sample MERL-M_S2 na. 7 Eenzelfde effect doet zich voor bij Pennincs aandeel in de Walewein: zijn samples (WAL_A) distantiëren zich bij de op een na hoogste vertakking van de rest van de teksten. Relatief hecht is het cluster (uiterst links in Figuur 4) met HAGH, MOR en ELEGAST. Op iets hoger niveau sluiten respectievelijk FERG en WAL_B zich bij die groep aan. Voorgaand selectieproces levert zo een kleine groep van vijf ridderromans op die ten opzichte van de rest van het corpus stilistisch relatief coherent blijkt: HAGH, MOR, ELEGAST, FERG en WAL_B. 8 Op dit moment loont het de moeite om met een correspondentie-analyse na te gaan of er binnen deze groep gelijkenissen tussen teksten optreden, die eventueel indicatief kunnen zijn voor een enkelvoudig auteurschap. Figuur 5 bevat het strooidiagram dat resulteert uit een correspondentie-analyse van HAGH, MOR, ELEGAST, FERG, WAL_B. Voor deze analyse heb ik de beschikbare samples nogmaals in tweeën opgedeeld (ca. 780 rijmwoorden) om na te gaan of we ook tussen dergelijk kleine samples interessante overeenkomsten zichtbaar kunnen maken. De correspondentie-analyse in Figuur 5 realiseert een duidelijk onderscheid tussen Vostaerts WAL_B (ruitjes linksbeneden) en Ferg (driehoekjes linksboven). Beide teksten zijn bovendien duidelijk te onderscheiden van een sample-amalgaam centraal rechts in de figuur, bestaande uit de samples van MOR, HAGH en ELEGAST. De overeenkomsten tussen de hoogfrequente rijmwoordenschat in deze teksten zijn zo sterk dat zij nog nauwelijks van elkaar zijn te onderscheiden in het strooidiagram. Deze vermenging lijkt sterk op die van Maerlants Rijmbijbel en Derde partie in Figuur 2. De correspondentieanalyse oppert zo de mogelijkheid van een identiek auteurschap voor de Middelnederlandse ridderromans Karel ende Elegast, Roman van Moriaen en Lantsloot vander Haghedochte. Andere analyses (bijvoorbeeld met andere sample-groottes en vergelijkingsteksten) konden dit beeld niet wijzigen: de stilistische eenheid tussen deze teksten bleek zo goed als nooit te doorbreken. Zelfs wanneer men het aantal rijmwoorden in de tabel terugdringt tot 50, blijft de spreiding uit Figuur 5 behouden. Tabel 3 bevat een overzicht van de 50 meest frequente rijmwoorden uit deze teksten die gebruikt worden voor de correspondentie-analyse in Figuur 6. Het lijkt redelijk te claimen dat deze hoogfrequente rijmwoorden sterk inhoudsonafhankelijk zijn, want het optreden ervan lijkt nauwelijks gekoppeld aan de inhoud van deze teksten. Figuur 6 is echter niet erg overzichtelijk want naast de eigenlijk samples (bolletjes) zijn de ook de gewichten van de individuele rijmwoorden afgebeeld (driehoekjes). Een correspondentie-analyse laat namelijk ook toe om weer te geven welke rijmwoorden typisch zijn voor welke samples, zodat de correspondentie tussen de eigenlijke rijmwoorden en de samples duidelijker wordt. Een der- 7 Wegens zijn beperkte lengte laat ik de Vlaamse Aiol hier verder buiten beschouwing. Verdere experimenten leerden dat de stilistische toenadering van deze tekst tot MERL-M in Figuur 4 niet significant was. 8 Verdere experimenten zijn ook uitgevoerd met WAL-A maar het probleem was dat deze tekst door zijn relatieve grootte de andere teksten uit balans bracht in de analyse. Alleszins was geen sprake van een duidelijke toenadering van WAL-A tot het ELEGAST-cluster of andere teksten.

16 150 mike kestemont 2 1 Elegast FERG HAGH MOR WAL_B Figuur 5 Correspondentieanalyse van de 100 vaakst voorkomende rijmwoorden in FERG, WAL-B, HAGH, MOR en ELEGAST (voor samples van slechts 700 rijmwoorden). 2nd dimension (12.57%) st dimension (15.37%) gelijke visualisering is vanzelfsprekend chaotisch maar wel erg belangrijk om te verifiëren of de verschillen tussen groepen samples niet veroorzaakt worden door een te klein aantal, mogelijk te zeer inhoudsafhankelijke rijmwoorden. Dat Figuur 6 hier en daar moeilijk leesbaar is, is in dit opzicht een goed teken, want de spreiding van de teksten blijkt veroorzaakt door een mengelmoes aan vrij betekenisloze rijmwoorden. Typische rijmwoorden voor FERG zijn nemen, slaan, varen of gaan, terwijl Vostaert in WAL_B eerder toevlucht heeft gezocht tot rijmwoorden als zaan, heer of zeer. Voor het cluster HAGH, ELEGAST en MOR blijken dan weer andere rijmwoorden typerend, zoals scheiden, taal, aan en tevoren. Als deze teksten wat betreft dergelijke frequenties sterke gelijkenissen vertonen, kan men zich de vraag stellen of deze niet door een identiek auteurschap zouden kunnen verklaard worden (vgl. Van Oostrom 1981: 57-62). Andere (bijvoorbeeld inhoudsgerelateerde) verklaringen lijken op het eerste zicht moeilijker te beargumenteren. De auteursvraag werpt zich niettemin vooral op omdat de hier geanalyseerde redac- Tabel 3 De 50 vaakst voorkomende rijmwoorden (na lemmatisering) in Ferg, Wal-b, Hagh, Mor en Elegast. Deze rijmwoorden zijn gebruikt voor het experiment in Figuur 6 en worden daar ook weergegeven. PrName, zijn, doen, komen, zien, wel, niet, mogen, groot, gaan, staan, heer, man, stad, zeer, dag, land, leven, goed, vinden, horen, daar, varen, liggen, brengen, rijden, verstaan, verliezen, vernemen, stond, vangen, hand, geven, nemen, zaan, scheiden, vroed, dood, weten, tevoren, slaan, mede, taal, nood, aan, eer, zeggen, raad, paard, willen

17 auteursherkenning met rijmwoorden SCHEIDEN VAREN FERG_s2 FERG_s3 LAND FERG_s1 HAND VERLIEZEN GAAN GEVEN BRENGEN MOGEN RAAD KOMENPrName LEVEN NIET VINDEN STAAN WEL HAGH_s3 MOR_s2 DAG ZIJN VERNEMEN HOREN RIJDEN ZIEN WETEN HAGH_s2 MOR_s3 EER GOED VANGEN ZEGGEN WILLEN NOOD HAGH_s1 Elegast PAARD STAD DOOD DOEN LIGGEN VERSTAAN MOR_s1 GROOT WAL_B_s1 AAN TEVOREN TAAL VROED MAN STOND NEMEN DAAR MEDE SLAAN HEER WAL_B_s2 ZEER ZAAN Figuur 6 Correspondentie-analyse van de 50 vaakst voorkomende rijmwoorden (zie Tabel 3) in FERG, WAL-B, HAGH, MOR en ELEGAST (voor samples van ca rijmwoorden, afgebeeld als bolletjes in het diagram). In dit diagram zijn ook de gewichten van de rijmwoorden (als driehoekjes) weergeven. Uit de spreiding van deze driehoekjes kunnen we opmaken welke rijmwoorden typisch zijn voor welke (groep) werken. Typisch voor ferg zijn nemen, slaan, varen of gaan (bovenaan in de figuur), terwijl Vostaert in wal_b eerder zaan, heer of zeer gebruikt (rechtsonder in de figuur). Voor het cluster hagh, elegast en mor blijken rijmwoorden als scheiden, taal, aan en tevoren typerend (linksonder in de figuur). ties van deze ridderromans erg diverse materiële origines hebben: incunabel A van Karel ende Elegast is een relatief jonge druk, Lantsloot vander Haghedochte is slechts bekend uit de fragmentarische resten van een enkel handschrift, terwijl de hier gebruikte Haagse Moriaen bekend staat als een door de compilator bewerkte versie. Voor de Elegast komt daar nog eens bij dat de tekst traditioneel tot een andere epische tekstsoort wordt gerekend dan de Moriaen en de Lantsloot. Dat deze teksten, zo divers in oorsprong, toch zulk een opvallende stilistische verwantschap vertonen, pleit mogelijk voor een toeschrijving aan één en dezelfde dichter.

18 152 mike kestemont 5 Eerherstel voor Icarus? Uit retorische overwegingen heb ik tot nu toe nagelaten te vermelden dat het identieke auteurschap van Moriaen, Karel ende Elegast en Lantsloot vander Haghedochte geen nieuwe hypothese is. In de slotsectie van dit artikel wil ik daarom het werk bespreken van onderzoekers die zich eerder over deze auteurskwestie hebben gebogen. Het zal blijken dat verschillende mensen aan de hand van traditioneel onderzoek reeds hadden gepleit voor de attributie die hier via kwantiatieve weg is beargumenteerd. 9 Klaas Hanzen Heeroma ( ) was een Nederlands filoloog en dichter die zich in zijn laatste levensjaren intensief bezig heeft gehouden met medioneerlandistiek (Van Oostrom 1998). Belangrijk in deze context is een bundel postuum verschenen studies Moriaen, Lantsloot en Elegast. Luisterend gelezen (1973), eerst gepubliceerd in de 89e jaargang van TNTL. In deze studies heeft Heeroma uitgebreid het identieke auteurschap voor deze teksten beargumenteerd, eerst voor Moriaen en Elegast, vervolgens ook voor Lantsloot. Zijn betoog stoelde in het bijzonder op gelijk(luidend)e versregels en overeenkomsten in vertel- en verstechniek. Het komt mij in dit artikel vanzelfsprekend goed uit dat Heeroma de stilistische overeenkomsten tussen deze drie teksten al bijzonder gedetailleerd in kaart heeft gebracht en dat anderen na hem belangrijke aanvullingen hebben geleverd. 10 Dat Heeroma eenzelfde dichterlijke stem het eerst herkende in Moriaen en Elegast, verrast misschien niet. Ik bespreek hieronder slechts één van de vele, soms subtiele, maar steeds treffende overeenkomsten tussen beide werken. Zoals bekend wordt Karel in de Elegast s nachts door God uit stelen gestuurd. Wanneer de koning een donker woud komt ingereden, kruist hij het pad van Elegast, een schrikwekkende ridder met wapenen swart als colen: Swart was helm ende schilt Die hi aenden hals hilt; Sinen halsberch mochtmen loven; Swart was den wapenroc daer boven; Swart was dors daer hi op sat; (vs ) Karel waende dat die duvel ware (r. 286) want Tis al swert, peert ende man. Ook in het begin van de Moriaen ontmoeten Lancelot en Walewein een gelijkaardige verschijning: 9 Het dialect van de drie teksten schijnt zich niet tegen een gelijkstelling van hun dichters te verzetten. Van Sterkenburg karakteriseerde de Lantsloot-fragmenten als Zuidwestelijk Vlaams, waarschijnlijk eerder West-Vlaams (1982: 28). Merk dat de Lantsloot lang in Holland is gesitueerd, hetgeen nog door M. Draak werd aangevoerd als argument tegen Heeroma s these (Draak 1976: ). De oorspronkelijke Moriaen zou ontstaan zijn in noordelijk West-Vlaanderen, hoogstwaarschijnlijk te Brugge (Van Buuren e.a. 1971: 37) al schijnt mij de bewijslast voor een specifiek Brugse lokalisering niet dwingend. Kienhorsts repertorium plaatst de Elegast in navolging van Van den Berg weinig specifiek in Vlaanderen (Kienhorst 1988: 80). 10 Alle citaten hier zijn naar Claassens 2002 (Elegast), Paardekooper-Van Buuren e.a (Moriaen) en Gerritsen e.a (Lantsloot).